ChatGPT Interprets Scientific Images

Chatgpt에 의해 해석 된 과학적 인물

소개

• 이 작업은 생물 정보학 수치를 해독하는 Chatgpt의 기능을 평가합니다.
• 평가 된 영역에는 시퀀싱 데이터 분석, 약물 재배치 및 종양 진화가 포함됩니다.
• 줄거리 유형을 설명하고 생물학적 통찰력을 적용하는 데 능숙한 채팅을 찾습니다.
• 색상 인식 및 정량적 시각적 분석의 도전을 식별합니다.
• 정확성과 신뢰성을 위해 엄격한 교정의 필요성을 강조합니다.

? 전체 종이를 읽으십시오

재료

암 연구의 4 가지 사례 연구 :

1.“RNA”사례 연구

(a) 두 가지 그룹의 샘플 그룹을 보여주는 PCA 분석 : 빨간색의 "t"와 청색의 "m". (b) 적색 및 하향 조절 된 유전자의 상향 조절 된 유전자와 함께 차별적으로 발현 된 유전자 분석으로부터의 FC 및 FDR에 대한 화산 플롯. Socs3 및 Junb는 화살촉으로 표시됩니다. (c) 상향 조절 된 유전자에 적용된 Kegg Pathway 농축 분석의 상위 10 개 히트를 요약 한 점 플롯.

2.“ZNF71”사례 연구

(a) ZnF71 KRAB 이소 형 발현에 의해 분류 된 NSCLC 환자에 대한 Kaplan -Meier 생존 플롯 (GSE81089). 빨간색 : ZNF71 KRAB 발현이 높은 환자 (TPM> 1.5); 녹색 : 다른 사람들; (b) 도세탁셀 감도에 의해 분류 된 NSCLC 세포주 중 ZnF71 KraB 이소 형의 발현에 대한 막대 차트. (C) LUAD 종양 및 NATS에서 ZnF71 및 IIIR 유전자의 유전자 연관 네트워크. (D) NSCLS 세포주 중 PQ-401 (EC50)에 대한 CD27 mRNA 발현 수준 및 약물 반응에 대한 산점도.

3.“클론”사례 연구

(A) 1 차 종양 (X- 축)에 VAF% 대조 재발 종양 (Y 축)에 대한 산란 플롯. 각 점은 유전자이며 유의 한 영향을 미치는 유전자가 표시됩니다. 동일한 환자로부터 공급되는 1 차 및 재발 성 종양. (b) 1 차 종양에서 재발 성으로 각 클러스터의 평균 VAF의 변화를 나타내는 연결된 도트 플롯. (c) 1 차 종양에 대한 암 진행의 함수로서 각각의 (서브) 클론의 상대적 유병률을 나타내는 종 플롯 및 (d) 재발 성 종양. (e) 1 차 종양의 세포 조성 및 (F) 재발 성 종양을 나타내는 원 포장 플롯, 총 100 개의 세포로 예를 들어있다. (g) 1 차 및 재발 성 샘플 사이의 (서브) 클론의 관계형 및 시드 패턴을 나타내는 가지 기반 트리. 창립 클론의 성장을 촉진하는 유전자가 나타납니다.

4.“YY1”사례 연구

Washu Epigenome 브라우저는 가닥 특이 적 RNA-Seq 판독의 분포, H3K4ME3, H3K27AC 및 H3K27ME3에 대한 Chip-Seq 판독 값 및 크로 마틴-염색체 상호 작용에 대한 PATE-SEQ 판독 값을 보여줍니다. 청색 사각형 (A1 ~ A3) : 활성 프로모터 영역; 분홍색 사각형 (i1 및 i2) : 비활성 프로모터 영역; 녹색 사각형 (E1 ~ E4) : 활성 인핸서 영역; 청색 원 : YY1과 상호 작용하는 프로모터 영역 (A1, I1 및 A3); 녹색 원 : YY1과 상호 작용하는 인핸서 영역 (E1 ~ E3). 히트 맵에서 하나의 원과 공유 된 점선 : 2 개의 상호 작용 게놈 영역. 상호 작용 강도를 나타내는 열 맵에서의 연유의 정도.

행동 양식

결과

전반적인 성능 :

• 요약 테이블 결과를 기반으로 각 사례에 대한 실제 명령문의 백분율을 계산했습니다.
• "RNA"케이스는 가장 높은 정확도 수준 (95.1 ± 1.3%)을 달성했습니다.
• 반대로, 다른 3 가지 사례 연구의 전체 정확도는 "ZnF71"사례에서 64.4 ± 0.1% 범위의 "YY1"경우 77.3 ± 5.9%까지 덜 인상적이었습니다.
• "ZnF71"사례에서 주목할만한 관찰은 "CD271"및 "IKBKB"로 "IKKBK"로 "CD27"을 일관되게 틀린 것은 거짓 진술의 40-55%를 차지했습니다.

범주 별 성능 :

• 카테고리별로 정렬 된 각 사례 연구에 대한 진술 정확도도 시각화됩니다.
• GPT-4V는 플롯 유형 인식 및 도메인 지식 리콜에 능숙하며 모든 경우에 85% 이상의 정확도가 있습니다.
• 색상 인식 정확도는 모든 경우에 대해 60% 미만이며 플롯 인식 및 도메인 지식보다 현저히 낮습니다 (p- 값 <0.05; t- 검정).
• 위치 추론은 RNA에 대해 89.3% 정확도를 보여 주지만 다른 세 가지 경우에서는 특히 낮았습니다.
• 카운트는 단순한 경우에 신뢰할 수 있지만 복잡한 시나리오에서는 덜 정확할 수 있습니다.

Replicates의 범주 별 성능 :

• 플롯 인식 : 모든 복제물은 모든 경우에 만족스러운 성능을 보여주었습니다.
• 도메인 지식 : 모든 복제물은 모든 경우에 만족스러운 성능을 보여주었습니다.
• 색상 인식 : 모든 복제물은 포함 된 모든 경우에 대해 불만족스러운 성능을 보여주었습니다.
• 위치 추론 : "RNA"사례의 것들을 제외하고는 불만족스러운 성능이 복제품에서 널리 퍼졌습니다.
• 수 : 모든 복제물은 포함 된 모든 경우에 대해 불만족스러운 성능을 보여주었습니다.

결론

• Chatgpt는 생물 정보학 과학적 인물을 해독하는 데 상당한 약속을 보여 주었다.
• Chatgpt는 다른 플롯 유형을 설명하고 생물학적 지식을 적용하는 데 능숙합니다.
• 색상을 정확하게 해석하고 정량적 분석을 수행하는 데 어려움을 겪고 있습니다.
• AI 도구로 작업 할 때는 루프 메커니즘이 필요합니다.

소환

@article {wang2024scientific, title = {chatgpt에 의해 해석 된 과학적 수치 : 플롯 인식의 강점과 색상 인식의 강점}, author = {wang, jinge and qing and qing and liu, li and guo, nancy lan and hu, gangqing}, 저널 = {npj precision oncology}, {8}, {{npj precision oncology}, pages = {84}, 연도 = {2024}, Publisher = {Nature Publishing Group UK London}}